| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·课题研究现状 | 第11-13页 |
| ·微博文本研究 | 第11-12页 |
| ·文本商业信息抽取 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第二章 相关理论及技术 | 第15-28页 |
| ·文本的表示 | 第15-17页 |
| ·向量空间模型 | 第15-16页 |
| ·TF-IDF 加权 | 第16-17页 |
| ·文本分类方法分析 | 第17-20页 |
| ·朴素贝叶斯算法 | 第17-18页 |
| ·KNN 算法 | 第18-19页 |
| ·决策树 | 第19页 |
| ·支持向量机 | 第19-20页 |
| ·开源云计算平台 | 第20-27页 |
| ·云计算发展 | 第20-22页 |
| ·HADOOP 的应用现状和发展趋势 | 第22-23页 |
| ·HADOOP 文件系统(HDFS) | 第23-25页 |
| ·HADOOP 中 MAPREDUCE 的实现 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于特征词类别分散度的微博分类研究 | 第28-35页 |
| ·微博文本预处理 | 第28-31页 |
| ·微博文本特性 | 第28-29页 |
| ·微博中文分词 | 第29-30页 |
| ·微博停用词的处理 | 第30-31页 |
| ·微博特征项选择 | 第31页 |
| ·微博特征向量维度扩展 | 第31-32页 |
| ·微博特征词类别分散度计算及分类 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于商业搜索权重的微博商业词抽取 | 第35-42页 |
| ·微博商业关键词 | 第35-36页 |
| ·微博特征词商业价值影响因素分析 | 第36-37页 |
| ·词语互联网商业搜索权重计算 | 第37-39页 |
| ·基于微博文本的 TF-IDF 改进 | 第39-40页 |
| ·词语商业权重调整 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 实验与分析 | 第42-54页 |
| ·实验环境选择及搭建 | 第42-43页 |
| ·微博数据收集 | 第43-44页 |
| ·基于类别分散及维度扩展的微博分类实验 | 第44-48页 |
| ·实验评价指标 | 第44-45页 |
| ·实验处理步骤 | 第45-47页 |
| ·实验结果及分析 | 第47-48页 |
| ·基于改进 TF-IDF 及搜索权重的商业词抽取实验 | 第48-53页 |
| ·实验数据及评价指标 | 第48-49页 |
| ·实验处理步骤 | 第49-51页 |
| ·实验结果及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-57页 |
| ·本文完成的主要研究工作 | 第54-55页 |
| ·不足之处及工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录：作者在读期间发表的学术论文及参加的科研项目 | 第63页 |